📖 Теоретична довідка
Лінійна регресія
Модель: ŷ = w·x + b, де w — ваговий коефіцієнт (нахил), b — зміщення (bias).
📘 Приклад: w = 2, b = 3, x = 5
ŷ = 2·5 + 3 = 10 + 3 = 13
Функція втрат MSE (середньоквадратична помилка)
Вимірює середній квадрат різниці між передбаченими та реальними значеннями.
📘 Приклад: y = [3, 5], ŷ = [2, 6]
MSE = ((3−2)² + (5−6)²) / 2 = (1 + 1) / 2 = 1.0
Нормалізація ознак (z-score стандартизація)
Приводить ознаки до нульового середнього і одиничного стандартного відхилення.
Точність класифікатора (Accuracy)
📘 Приклад: 80 правильних з 100
Accuracy = 80 / 100 × 100% = 80%
Відстань Евклідова (k-NN)
Про ці вправи
Цей тренажер допомагає перевірити та закріпити знання через серію задач з миттєвим зворотним зв'язком. Кожна відповідь супроводжується детальним поясненням — незалежно від того, правильна вона чи хибна.
Вправи розвивають навички: обчислення статистичних характеристик, перевірки гіпотез, побудови довірчих інтервалів та інтерпретації результатів.
Як ефективно тренуватися
Виконуйте вправи регулярно, навіть по 10–15 хвилин на день. Не пропускайте пояснення — вони містять ключові ідеї, що виходять за межі конкретної задачі. Повертайтесь до складних питань через кілька днів.